Prob2CP3: Uma análise sua

library(tidyverse)
library(here)
library(spotifyr)
theme_set(theme_bw())

Considerando algumas das boybands mais famosas ao longo dos anos, elas apresentam um mesmo molde? Ou seja, a mesma média de tempo / energia / etc?

Boybands são bandas formadas geralmente por meninos adolescentes, e tem como objetivo conquistar o público de meninas adolescentes. O estilo musical é bem característico, com músicas animadas e dançantes, e algumas baladas. Iremos analisar as principais músicas de várias boybands presentes no Spotify, entre elas as clássicas NSYNC e Backstreet Boys, além do fenômeno kpop BTS. Queremos saber se há um padrão nas características de Tempo, Dançabilidade, Valência e Energia. Tempo é a velocidade ou ritmo de uma música e é medido em batidas por minuto (BPM); Dançabilidade descreve como uma música é adequada para a dança baseada em uma combinação de elementos musicais (quanto mais próximo de 1, mais dançante); Valência mede a positividade da faixa (alta Valência significa mais positiva (por exemplo, felizes, alegres, eufóricas), enquanto baixa valência significa mais negativa (por exemplo, triste, deprimido, zangado); Energia é uma medida de 0 a 1 e representa uma medida de intensidade e atividade. A playlist base pode ser encontrada em: https://open.spotify.com/user/gabimotta15/playlist/47WfTEyFNe64N1OxeQ7xbo?si=g93Ia7niTlKYnjJlrn7dQA

boybands = read_csv(here("data/playlist-boybands.csv"))

Parsed with column specification:
cols(
  danceability = col_double(),
  energy = col_double(),
  key = col_character(),
  loudness = col_double(),
  mode = col_character(),
  speechiness = col_double(),
  acousticness = col_double(),
  instrumentalness = col_double(),
  liveness = col_double(),
  valence = col_double(),
  tempo = col_double(),
  track_uri = col_character(),
  duration_ms = col_double(),
  time_signature = col_integer(),
  key_mode = col_character(),
  track_name = col_character(),
  album_name = col_character(),
  artist = col_character()
)

sumarios = boybands %>% 
    group_by(artist) %>%
    summarise(media_tempo = mean(tempo), media_energia = mean(energy), media_danca = mean(danceability), media_valencia = mean(valence))

b = sumarios %>% 
    ggplot(aes(y = artist)) + 
    geom_point(aes(x = media_energia, color = "Energia")) + 
    geom_point(aes(x = media_danca, color = "Dançabilidade")) +
    geom_point(aes(x = media_valencia, color = "Valência")) +
    labs(x = "Médias dos Atributos", y = "Artista" , color = "Atributo")
plotly::ggplotly(b)

We recommend that you use the dev version of ggplot2 with `ggplotly()`
Install it with: `devtools::install_github('hadley/ggplot2')`

A maioria das boybands apresenta média de Energia acima de 0.7, e a média de Dançabilidade entre 0.5 e 0.7. Apenas a Valência se destaca, tendo bandas muito positivas como Menudo (quase 0.8 de Valência), e bandas muito negativas como The Wanted (abaixo de 0.4).

p = boybands %>% 
    mutate(faixa = paste(track_name, album_name)) %>% 
    ggplot(aes(x = tempo,
               color = artist,
               label = faixa,
               y = danceability)) + 
    geom_point(size = .8, alpha = .8)
plotly::ggplotly(p)

We recommend that you use the dev version of ggplot2 with `ggplotly()`
Install it with: `devtools::install_github('hadley/ggplot2')`

Lady Gaga possui álbuns de vários estilos, o Tempo varia muito para cada álbum?

Lady Gaga é uma artista muito talentosa, ganhou vários prêmios com seus álbuns, que vão do pop ao jazz. Como é o comportamento do Tempo nesses álbuns? Tempo é a velocidade ou ritmo de uma música e é medido em batidas por minuto (BPM). Como os estilos musicais mudam, é esperado que haja uma variação nesse Tempo. Para essa análise serão desconsiderados singles e álbuns promocionais. A playlist base pode ser encontrada em: https://open.spotify.com/user/gabimotta15/playlist/7pH3kwz0vVTgmKt2cR7Z9o?si=JcvkobZXSkKBCE13ubsM7w

gaga = read_csv(here("data/playlist_gaga.csv"))

mlabels <- c("ARTPOP","Born This Way", "Cheek to Cheek", "Joanne", "The Fame", "The Fame Monster")
g = gaga %>% 
    mutate(faixa = paste(track_name)) %>% 
    ggplot(aes(x = album_name,
               label = faixa,
               y = tempo)) + 
    geom_point(size = .8, alpha = .8) +
    labs(x = "Álbum", y = "Tempo (BPM)", color="Álbum") +
    scale_x_discrete(labels=mlabels)
plotly::ggplotly(g)

We recommend that you use the dev version of ggplot2 with `ggplotly()`
Install it with: `devtools::install_github('hadley/ggplot2')`

Podemos perceber que os Tempos estão geralmente concentrados entre 100 e 140 BPM, mas existe uma dispersão maior nos álbuns Cheek to Cheek e Joanne, que são os álbuns de estilos mais diferentes dos outros. Portanto o Tempo não varia muito entre os álbuns mais pop, apenas nos álbuns de jazz e country.

Os álbuns com maior variação de Tempo são acústicos?

Quanto mais próximo de 1 é o nível de acústica, mais provável é que a música seja acústica. Músicas acústicas geralmente são mais lentas, portanto possuem menor Tempo. Na análise anterior os álbuns Joanne e Cheek to Cheek se destacaram por não estar exclusivamente na faixa dos 100 a 140 BPM, e serão observados agora em relação à acústica.

g = gaga %>% 
    filter(album_name == "Cheek To Cheek (Deluxe)" | album_name == "Joanne (Deluxe)") %>%
    mutate(faixa = paste(track_name)) %>% 
    ggplot(aes(x = acousticness,
               label = faixa,
               color = album_name,
               y = tempo)) + 
    geom_point(size = .8, alpha = .8) +
    labs(x = "Acústica", y = "Tempo (BPM)", color = "Álbum")
plotly::ggplotly(g)

We recommend that you use the dev version of ggplot2 with `ggplotly()`
Install it with: `devtools::install_github('hadley/ggplot2')`

Vemos que o álbum Cheek to Cheek é quase totalmente acústico, todas as músicas estão acima de 0.5 no nível de acústica, enquanto o Joanne está bem próximo de 0. As faixas Angel Down e Million Reasons são tocadas no piano e no violão, por isso apresentam maior acústica que as outras faixas do Joanne.